状态信号范文

状态信号范文（精选5篇）

状态信号 第1篇

目前, 评价麻醉深度主要靠自主神经反应, 各种反应针对麻醉状态表现出的特异性均不高, 难以准确反映麻醉深度。关于镇静程度的监测, 目前只有脑电双频指数 (BIS) 与听觉诱发电位 (AEP) 两种测度。Gajraj等的研究表明AEP和BIS都能够描述麻醉过程中的镇静抑制程度, 都与人的意识状态相关。但研究表明, 这两种指标在应用中均具有很大的局限性, 尤其是药物依赖性问题。

本研究中针对麻醉深度监测系统中的镇静程度监测问题, 通过进行麻醉状态下脑电信号的无序度分析, 提取出以近似熵这一非线性动力学复杂性测度作为镇静程度的指标, 分析了手术过程中麻醉状态下的脑电信号, 为麻醉深度监测领域提供了一个有效的镇静程度指标。

二、麻醉状态下脑电信号无序度分析的基本物理思想

从基本的物理思想上考虑脑神经活动的原理, 可以假定麻醉作用将引起脑电信号发生以下两项基本变化:

(1) 麻醉作用引起脑电信号在不同频带上能量分布的改变。

(2) 麻醉作用将使脑电信号简单化, 即由无序向有序, 由随机性向确定性发生一定的转化。

如果这些变化可以定量描述并在分析中得到提取, 则可以通过比对, 应用阈值方法区分麻醉状态和清醒状态, 成为有效的麻醉深度的动力学参数。本研究中采用近似熵这种系统复杂性测度。脑电信号在麻醉状态下趋于简单、有序这一生理过程, 是意识活动降低的系统性表现, 不依赖于特定的感官区域或中枢神经机能。因而对特定神经靶位敏感度较高的不同麻醉药物, 均可以利用脑电信号复杂度测度来评价其最终对中枢神经意识活动的整体抑制程度。这就从基本原理上克服了镇静程度指标的药物依赖性。

三、近似熵的计算方法

近似熵是立足于物理熵的概念描述非线性信号序列的无序度的测度, 根据其计算原理可以认为其适合作为脑电信号的无序度指标。

设{x i, i=1, (43) N}为一时间序列, 由总记N个点组成, 按原次序生成一列m维矢量, N取现实序列中的实际值n。则此序列的近似熵为:

其中φm (r) 为两点间距离小于阈值r的距离数与总距离数比值的对数平均值。

按以上计算原理, 近似熵即描述了增加一个维度之后序列曲线产生新形态的近似几率, 序列曲线产生新形态的可能性越大, 则表明曲线越复杂。

四、麻醉状态下脑电信号的近似熵分析

本研究针对所获取的40例来自麻醉手术的脑电信号, 计算了手术过程中清醒和麻醉两状态下的脑电信号的近似熵值, 其统计分布结果如图2所示。图中可见, 麻醉期间脑电信号的近似熵较清醒状态下明显为小, 但存在一定的参差现象。单因素方差分析中, F=40.1957小于Fα=0.001 (1, 61) =11.97, 如表1, 也可以认为清醒和麻醉两种状态下脑电信号的近似熵为可区分的。如果通过阈值方法对清醒和麻醉两状态进行区分, 区分阈值为0.6420, 清醒期/麻醉期的区分数据见表2, 其中灵敏性87%/78%, 特异性72%/86%, 准确性80%/82%, 数据可见, 近似熵具备区分清醒、麻醉两状态的能力, 且计算所需的实测数据量较少, 本研究中为1280采样点 (10秒) , 计算时间经优化后可达秒级, 这意味着可以尽可能减小现实应用中麻醉检测操作对手术的影响。

Fig 2.The probability distributions of ApEn of EEG in awake and asleep states in40 cases of anesthesia experiment

五、结论

基于麻醉状态下, 大脑活动将明显弱化并趋于简单有序这一基本生理现象, 提出可以描述脑电信号规则程度的各种动力学指标, 即镇静程度的度量参数。本研究中选择了近似熵这种信号序列的无序度参数作为镇静程度的测度, 给出了31例手术中麻醉和清醒期间脑电信号的近似熵的分布情况。结果表明, 近似熵参数在麻醉和清醒两状态存在分布上的明显差异, 基本可以认为克服了脑电双频谱指数和听觉诱发电位指数较大的药物依赖性, 可作为区分麻醉和清醒两状态的指标, 并且所需实测数据序列较短, 计算时间有明显优势, 更适合于在临床麻醉深度监测领域进行应用。

参考文献

[1]Richard B.Improving Patient Safety in Anesthesia:A Success Story[J].International Journal of Radiation Oncology Biology Physics, 2008, 71 (1) :182-186.

[2]Gajraj P T, Doi N, Nantzaridis H.Analysis of the EEG bispectrun, Auditory evoked potentials and the EEG power speetrun during repeated transitions fron consciousness to unconsciousness[J].Br J Anaesth, 1998, 80:46-52.

[3]Sascha K, Jorgen B, Richard E, Stephan Z, Darius K, Wolfran W.Failure of two connercial indexes and spectral paraneters to reflect the pharnacodynanic effect of desflurane on EEG[J].Journal of Clinical Nonitoring and Conputing, 2008, 22:149-158.

状态信号 第2篇

实验报告

实验名称：造纸机械状态信号采集与系统分析

学生姓名：

班

级： 学

号：

实验时间：2015 年 1月 15日

地 点：逸夫楼 7B429 指导老师：张 辉 1 《造纸机械状态检测与故障诊断》

教 学 实 验 纲 要

第一部分

实验简介

一、实验名称

造纸机械状态信号采集与系统分析

二、实验目的

1、课程情况：

制浆造纸装备状态监测与故障监测学是现代化造纸机械运行和管理必不可少的新的技术理论，是制浆造纸装备与控制专业本科(专科)、轻化工程高职本科必修的一门专业基础课，也是制浆造纸工艺本科、其它专业的选修课。

2、实验目的、意义

(1)(综合)设计型实验教学方案，使学生一方面变被动为主动，将课堂上理论性较强的、甚至抽象的内容通过主动设计实验方案并在实验的具体的演示表达出

来，可以深化理解、巩固课堂内容；

(2)另一方面可以在实验中了解“制浆造纸装备状态监测与故障监测”的一些基本应用原理和方法，培养和提高学生分析问题和解决问题的能力及科研能力。

三、实验内容

㈠CRAS信号与振动分析系统原理与应用实验（4学时）

1、了解CRAS(随机信号与振动分析系统)实验系统单元组成和其组装方法、条件要求；

2、掌握CRAS软件分析系统的基本使用方法；

3、周期信号的生成方法，非周期信号(随机信号)的生成方法与采集；

(1)正弦信号发生器(QL仪器自带200Hz)；掌握方法及记录信号特征如：峰值、峰峰值、有效值等。

(2)实时数据采集和显示。掌握方法及记录信号特征如：峰值、峰峰值、有效值等。

4、二通道信号非周期信号(随机信号)的基本分析（用力锤法电荷输入，用ICP传感器电压输入两种情形组合。ICP又可在模拟转子上以不同转速和模轴承上不同转速实验分析）

(1)波形回放；(2)频谱分析；(3)相关分析；(4)概率分析；(5)系统分析。

㈡ 造纸机械典型状态信号采集与分析处理综合实验（12学时）

四、实验主要器材及说明

实验用主要器材——最简单的、完备的振动等信号测试系统(一)实验主要器材

1、信号源部分 ⑴

0.5力锤及传感器，一套，北京702所；

⑵ CA-YD-107加速度计二只，扬无二厂。

2、AD数据采集卡 ⑴

QLl08R数据采集箱一台，信号线四根，电源线一根； ⑵ QL-02lA--路电荷，电压放大器一台。

3、CRSA软件包分析系统

(1)ADCRAS数据采集软件；

(2)SSCRAS信号与系统分析软件；(3)MACRAS机械模态分析软件；

4、ZT-3型转子振动模拟试验台

5、轴承模拟试验台

6、微型计算机(PC)

7、打印机(通用)(二)实验主要器材说明 1、5200系列测力锤(瞬态激振信号源)主要由锤体、测力计、锤头、输出线(信号线)组成。①

原理

激振是用测力锤敲击被测物件实现。

响应传递函数：H(f)=A(t)／F(f)

H(f)取决于测力锤强度及脉冲脉宽、被测物件内在结构特征（响应输出）。② 结构

图1 测力锤结构示意图

图2 不同锤头敲击的不同波形

图3 测试方框图 2、5100系列传感器（单向压力式）①主要结构

石英晶体片

1、导电片

2、传力板

3、外壳

4、插芯

5、插座6为圆环形。

图4 5100传感器结构原理图

②工作原理

a、石英晶体片特征为当受均匀外力时，其表面产生与外力成正比的电荷；

b、测力锤敲击而受均匀外力在力传感器的环形承压面上时，石英晶体片表面产生与外力成正比的电荷由导电片接收，传到插芯，通过连接导线连到电荷放大器，输出成比例的电压信号。

c、为了使外力均匀作用在传感器的环形承压面上，传感器的上下接触面精密加工、抛光后，使之平坦、刚硬。

3、CA-YD-107/美国产IMI加速度计（传感器）原理：

①压阻式加速度传感器实质是一个力传感器：F＝ma

②利用硅的压阻效应

固体材料在应力作用下发生形变时，其电阻率发生变化，这种效应称压阻效应。

特点：灵敏度高、简单、低功耗、响应速度快、可靠性好、精度高、便宜。IMI加速度计（传感器）：ICP--6080A11

4、OL-108R数据采集箱 A、功能：

⑴QL-108R是集A／D转换、信号输入为一体的数据采集接口装置。⑵进行二路无相差并行采样，最高采样频率51.2KHz。

⑶QL-108R可以程控放大，对输入信号进行X1、X4、X8、X16倍放大。

⑷QL-108R自带信号发生器，可以产生一个200Hz、峰峰值4V的标准正弦波以供测

试。B、使用：

⑴后面板上25芯计算机插口与计算机打印口连接； ⑵在后面板上拨动开关(采集OR打印)；

⑶用标准电缆将QL-108R后面板上25芯计算机插口与打印机插口连接 ⑷运行CRAS系统 ①采集分析

计算机开机——按下QL-108R前面板上电源开关，处于开机状态

面板上拨动开关至采集——进入CRAS系统子目录，运行具体子程序——采集分析数据。

②数据报告打印

在后面板上拨动开关至打印——选择数据或图形——打印——打印先后

在后面板上拨动开关至采集方可继续运行程序。

5、QL-021A二路电荷＼电压放大路 A、功能：

．

⑴是一种多功能接口箱，集电荷输入、电压输入、电压放大转速整形为一体并有去直

流分量的功能。自带简易信号发生器。

⑵电荷输入：将压电式加速度传感器的微弱电荷信号转成电压信号。电荷级由高输入阻抗运放外接反馈电阻、电容完成电荷／电压转换。

⑶电压输入：将不同物理量经传感器后形成的电压信号进输入(如振动测量中的速度传感器或位移传感器的电压输出)。

⑷电压放大：两路完全独立、无相位差，增益可变的放大器组成。

⑸转速整形电路：由面板BNC插座输出TTL电平脉冲。

⑹信号发生器：

B、结构使用：

． ⑴面板

①电荷输入端

Qin——如压电式加速度传感器的微弱电荷信号用此端。插拔时应断电。

②电压输入端、Vin——如电压信号输入进行放大时间用此端。插拔时应断电。

③电荷、电压选择——Q／V键。

④电压输出Vout 无论电荷或电压经放大后均由此端口输出。⑤放大增益——一组琴键开关表示

×0.1、×

1、×

10、×100（一次只能按下来个键）。

⑥37芯接口与计算机相连，电源插口，信号发生器，三芯插座连传感器。⑵使用

电荷联线的正确联接、Q／V开关的正确位置、Vout到后板连线。插拔时应断。

6、ZT-3型转子振动模拟试验台

本实验台是由东南大学测试仪器厂设计制造的。ZT-3型是由产品代号（ZT）+跨数组成。

试验台长1200mm，宽108mm，高145mm，质量约45kg。

转轴直径均为Ф9.5mm，有两种长度规格：320mm轴3根、500mm油膜振荡专用轴 5 1根；最大挠曲不超过0.03mm；沿轴的轴向任何部位均可选作试验中的支承点。

共配有六只转子，分为两种规格：Ф76×25mm和Ф76×19mm，质量分别为800g和600g，可根据实验需要选用。

配有刚性联轴节和半挠性联轴节供选用。

⑴技术参数

电源：220VAC，50Hz 输出励磁电压：220VDC 输出励磁电流：90mA 输出电枢电压：0~240VDC 电枢电流：0~1A 调速范围：0~10000rpm（满负荷时）⑵使用方法

接线：接线时断开电源，按调速器面板所标接线，面板右边两对接线柱，上面一对接电枢，下面一对接电机励磁绕组，并分别以红色、橙色导线区分。

开机：开机后，看转子转动方向是否正确，由转子向电机方向看，顺时针方向为正确，若反时针转，可将电枢（或励磁）的两根线对调。

注意：每次启动前都要把调压器左旋到零位，即保证电枢电流从零开始往上调，以避免启动电流过大烧断保险丝。面板左边有两个3A保险丝，左边一个为电枢电路保险，右边一个为电源保险。

升速：接通电源开关，电源指示灯亮，微动调压器，电流表即有指示，负载较小时，转子即会转动。升速时必须平滑地转动调压器旋钮，开始升得较慢，调压器转到某一位置后升速较快，这时必须注意要更平稳、缓慢地转动调压器，以保证瞬时电流不致过大。

降速时，同样要注意平缓，在高速状态停机，应通过平稳降速过程再切断电源，否则电机承受冲击较大。

实验室如无转速表，可参照转子的I=f（n）或u=f（n）曲线（见图10），由电流或电压值算得对应的转速。图10曲线是在三跨负载时测得的。

7、轴承模拟试验台

本实验台是由西安交通大学设计制造的，适用于：22210Ck＼w33、61910、22317CAlw33三种型号的滚动轴承模拟故障实验。可以测试不同转速(0～3000 实验台的结构

本试验台由：驱动电机、传动轴、支撑箱体、轴承座、顶尖、加载电机构成。结构紧凑、操作方便。

五、实验步骤与方法

1、检查仪器单元；

2、连接仪器，安装硬件、软件；

3、依次通电启动调试；

4、采集信号，记录存盘；

首先进入AdCras数据采集及处理系统，点击“作业”按纽，随即显示作业路径，将其存在D：ｘｘｘｘｘ中，选择“二通道”。

然后对参数进行设置，点击“参数设置”，采样频率设为256Hz；通道标记为Ch01、Ch02；块数选为2；触发参数设置为自由运行；，电压范围为+5000mV(程控放大1倍)，工程单位为Ch1：m／s／s、Ch2：m／s／s；校正因子Chl、Ch2均为1。

然后点击“数据采集”按纽，同时敲击测力锤进行采样，采样过程中Blocks显示为2，共分4页显示，采样结束后系统自动停止采样，同时要停止敲击测力锤。采样结束存盘后，关闭AdCras数据采集及处理系统，同时进入SsCras信号与系统分析系统，将在AdCras数据采集及处理系统中采集到的信号调出，并进行处理。

将处理结果记录、存盘。

5、回放、分析信号，记录图形(各种分析图)，标定特征数据；

六、实验现象、问题、结果与描述；

（一）、实验图分析及图的实例运用

图 1 波形图

波形图：波幅随时间变化的频率

波形图的实例运用：造纸机轴承监测诊断、转子系统振动监测、压榨辊振动时域波形图、鱼雷、军舰等。

图 2 频谱图

频谱图：幅值随时间变化的频率

频谱图的实例运用：压榨部纠偏辊振动频谱、侧轴 向振动频谱、压光热辊振动频谱、中心压榨辊振动 频谱、烘缸操作侧振动频谱、齿轮啮合频谱、齿轮 磨损频谱等。

图 3 自相关图 自相关函数：指用以描述信号自身的相似程度

自相关函数列表

自相关图的实例运用：造纸机轴承监测与诊断、压 榨部纠偏辊振动频谱、侧轴向振动频谱、压光热辊 振动频谱、中心压榨辊振动频谱、烘缸操作侧振动 频谱、齿轮啮合频谱、鱼雷、军舰。

图 4 互相关图

互相关函数：指用以描述两个信号之间的相似程度或相关性

互相关函数列表

互相关图的实例运用：鱼雷、军舰、造纸机轴承监 测与诊断、压榨部纠偏辊振动频谱、侧轴向振动频 谱、压光热辊振动频谱、中心压榨辊振动频谱、烘 缸操作侧振动频谱、齿轮啮合频谱等。

图 5 波谱图

（二）、实验现象、实验问题描述

1、实验现象：传感器接触桌面，敲击桌面采集信号时，电脑屏幕随之显示出波形图，敲击力度不同波形图不同。实际工程中的振动通常都是随机的，非确定性的信号，振动量的 瞬时值不能用确定的数学表达式描述，波形没有确定的形状。

2、实验问题：采集信号的时候电脑屏幕上有可能看不到图像。原因有可能是： ①传感器与桌面没有接触或接触不良时候，电脑屏幕不会显示波形图，必须保证传 感器与桌面完全接触，才能采集到信号。②传感器接触良好的情况下，波形图看不到或者不明显的时候，是因为纵坐标范围太大，应适当调节Y +和Y-使范围符合直到出现清晰的波形图。

状态信号 第3篇

基于独立成分分析的盲信号分离技术是根据信号的统计独立性, 在混合信号混合信息未知的情况下, 从混合信号中分离出相互独立的各个信号分量。随着盲信号分离技术的不断发展, 该技术已广泛应用于声音、图像、通信和医学等各领域[2,3,4]。由于所采集的机械旋转振动信号和工频干扰信号分别产生于不同的信源, 信号之间相互独立, 可以将工频干扰消除问题转化为盲信号分离问题来解决。

本文采用盲信号分离的方法来实现机械旋转振动信号中工频干扰的消除, 提出了一种新的工频干扰消除算法。算法选用信号变化度作为信号分离的目标函数, 利用布谷鸟优化方法对目标函数进行优化求解, 在对源信号成功分离的情况下实现机械旋转振动信号中的工频干扰消除。由于本算法仅用到了信号的二阶累积量, 且每次迭代计算过程中仅重复使用首次迭代前利用混合信号计算出的协方差矩阵, 而无须对所有混合信号样本点进行累积量的计算, 大大降低了工频干扰消除过程中的计算量。

1 基于信号变化度的盲分离原理

在基于独立分量分析的盲信号分离问题的求解过程中, 主要是基于信号独立性的模型。机械旋转过程中的振动信号具有时间上的连续性。因此, 可以利用信号中的时间结构信息来实现对源信号的分离。

设来自N个信号源的信号矢量为s (t) =[s1 (t) , s2 (t) , …, sN (t) ]T, 通过瞬时线性混合得到K个观测信号矢量为x (t) =[x1 (t) , s2 (t) , …, xK (t) ]T, 且N=K。混合过程用矢量矩阵表示为:

式中:A为满秩可逆的混合矩阵。针对逐次盲信号分离过程, 分离模型可表示为:

式中:wi为第i次分离行向量;yi (t) 为第i次分离出的某一路源信号的估计, 即

式中:i=1, 2, …, N;k=1, 2, …, N;λk为加权系数。

根据文献[6], 信号变化度的定义为:

式中:j'=1, 2, …, N。由信号变化度的定义可知

最大化Vyi (wi) 所得到的分离信号yi即为源信号sk的估计[5]。因此, 盲信号分离问题的目标函数即为:

本文利用布谷鸟优化算法求解使目标函数J (wi) 达到最大值的分离向量wi, 即可得到信号变化度最大的一路源信号的估计。

2 布谷鸟算法

布谷鸟优化算法[6,7]是近几年继蚁群算法、粒子群算法和人工蜂群等仿生群智能优化方法之后新提出的一种仿生智能优化算法, 算法模拟布谷鸟选巢产卵的行为对函数进行优化求解, 该算法具有参数少、容易实现、寻优能力强等优点。下面对布谷鸟优化算法的求解原理进行简要介绍。

布谷鸟算法是模拟布谷鸟繁殖后代的策略提出的一种优化算法, 布谷鸟自己不会孵化下一代, 通常把卵下到其它鸟的鸟巢中, 卵如果被其它鸟发现, 该卵会被丢弃。算法遵循以下三条规则:

规则1:一只布谷鸟一次只产一个蛋, 随机选择一个鸟巢存放;

规则2:蛋最好的鸟巢被保存, 生成下一代;

规则3:可用鸟巢数量固定, 卵被发现的概率是Pa∈[0, 1]。

算法假设可用鸟巢的个为N, 每一个卵代表空间向量的一个解, 随机初始化解X= (X1, X2, …, XNe) , 计算每个解的适应度值f (Xi) 。

首先根据Levy flight随机游动, 即式 (7) 对初始值进行更新

式中:a是步长因子, 决定随机搜索范围, Levy (λ) 服从Levy概率分布, 见式 (8) 。

比较f (Xi) 和f (Xnew) , 如果f (Xnew) 优于f (Xi) , 则Xnew替换Xi。

当卵被发现时, 该卵所对应的解被抛弃, 并根据式 (9) 生成新的解:

式中:r是缩放因子, 是[0, 1]区间的随机数。

3 基于布谷鸟优化的工频干扰消除算法

3.1 算法原理

采集到的含有工频干扰的微弱信号可表示为:

式中:s (t) 为有用信号, r (t) 为工频干扰信号, 参数A、f0、θ0分别为工频干扰的幅度、频率和相位。为加权系数。由于在实际机械振动信号等微弱信号的采集过程中, 通常只能得到单路观测信号。因此, 可以通过人工构造观测信号的方法将工频干扰消除问题转化为盲信号分离问题。本文采用文献[9]的方法构造观测信号, 由于

令则x (t) 可改写为:

可见观测信号中除了有用信号s (t) 外, 还含有a12sin (2πf0t) 和a13cos (2πf0t) 两路信号成分。因此, 可通过额外构造r1 (t) =a22 (sin2πf0t) 和r2 (t) =a33cos (2πf0t) 两路观测信号, 与含有工频干扰的采集信号共同作为待分离的观测信号, 即可通过盲分离方法得到抑制工频干扰的有用信号s (t) 。

即针对三路信号x (t) 、r1 (t) 、r2 (t) 执行信号分离过程, 本文采用布谷鸟优化算法对式 (6) 中的目标函数J (wi) 进行优化求解, 即可得到一路分离信号。进而通过多次分离过程, 最终求出已抑制工频干扰的有用信号的估计。

3.2 算法实现步骤

基于信号变化度与布谷鸟优化的工频干扰消除算法的具体实现步骤如下:

步骤1:根据式 (12) 人工构造两路观测信号r1 (t) 和r2 (t) 。

步骤2:对三路观测信号x (t) 、r1 (t) 和r2 (t) 进行白化和中心化处理。

步骤3:初始化种群, 随机产生N个初始值。

步骤4:根据所有卵当前最优位置由式 (2) 得到分离信号, 计算出每个卵的适应度函数值。

步骤5:对于布谷鸟的每个卵根据式 (7) 进行更新, 如果得到的新卵的适应度函数值优于原卵的适应度函数值, 则将原卵替换;否则原卵保持不变。

步骤6:根据概率Pa, 选出要丢弃的卵, 并根据式 (9) 产生新的卵。

步骤7:计算每个卵的适应度函数值, 记录此时最优解。

步骤8:如果已经达到最大进化代数, 则输出当前卵的最优值, 根据式 (2) 得到一路分离信号, 针对观测信号执行消源计算过程, 进入步骤9;否则返回步骤5。

步骤9:如果已经得到抑制工频干扰的有用信号, 退出算法;否则返回步骤3, 进行下一次信号分离。

4 仿真分析

算法仿真针对不含工频干扰的振动信号进行分析研究。在一道振动信号中 (如图1所示) 加入模拟工频干扰信号得到包含50 Hz工频干扰的振动信号, 如图2所示。

根据式 (12) 构造两路观测信号r1 (t) 和t2 (t) , 并与图2中信号共同构成待分离的三路信号。采用本文算法针对待分离信号进行三次信号分离, 从而得到不含工频干扰的振动信号。算法中布谷鸟算法的参数设置为:可用鸟巢数量为20, Pa=0.3, 进化代数设置为500代, 分离结果如图3所示。通过比较图1和图3可知, 本文算法成功实现了对微弱信号采集过程中工频干扰成分的抑制, 恢复出了原始振动信号。

为了更客观地分析本文算法对于工频干扰成分的抑制效果, 我们采用重构信噪比对算法进行评价。重构信噪比S/N定义为[10]:

S/N的值越大, 表示恢复的信号与原始振动信号的误差越小, 干扰抑制效果越好。表1所示为采用本文算法进行20次仿真恢复出的振动信号与原始振动信号的重构信噪比, 每次实验结果的重构信噪比均高于30 d B。可见, 本文算法具有良好的工频干扰抑制效果, 对原始振动信号具有较高的恢复精度。

5 结论

在实际机械故障检测中, 采集到的机械振动信号中往往包含工频干扰成分, 从而影响信号的采集精度。本文在信号变化度理论的基础上, 提出了一种布谷鸟优化的工频干扰消除算法。该算法利用人工构造观测信号的方法将工频干扰抑制问题转化为盲信号分离问题, 采用人布谷鸟优化算法求解基于信号变化度的目标函数, 从而可将不含工频干扰的有用信号成功提取出来。计算机仿真结果表明, 本文算法可以很好地抑制采集信号中存在的工频干扰成分, 对有用信号的恢复精度较高。

参考文献

[1]沈凤麟.生物医学随机信号处理[M].合肥:中国科技大学出版社, 1999:441-442.

[2]Mato-Mendez F J, Sobreira-Seoane M A.Blind Separation to Improve Classification of Traffic Noise[J].Applied Acoustics, 2011, 72 (8) :590-598.

[3]Ikhlef A, Abed-Meraim K, Guennec D L.Blind Signal Separation and Equalization with Controlled Delay for MIMO Convolutive Systems[J].Signal Processing, 2010, 90 (9) :2655-2666.

[4]Ruiz R A S, Ranta R, Louis-Dorr V.EEG Montage Analysis in the Blind Source Separation Framework[J].Biomedical Signal Processing and Control, 2011, 6 (1) :77-84.

[5]高鹰, 谢胜利.一种线性混合盲提取方法[J].电子与信息学报, 2006, 28 (6) :999-1003.

[6]吴炅, 周健勇.整数规划的布谷鸟算法[J].数学理论与应用, 2013, 33 (3) :99-106.

[7]Yang X S, Deb S.Engineering Optimization by Cuckoo Search[J].International Joural of Mathematical Modeling and Numerical Optimisation, 2010 (4) :330-343.

[8]吴小培, 詹长安, 周荷琴, 等.采用独立分量分析方法消除信号中的工频干扰[J].中国科技大学学报, 2000, 30 (6) :671-676.

状态信号 第4篇

柴油机磨合质量的优劣直接关系到后续的运行状态及使用寿命。客观、准确地提取柴油机磨合过程中的变化特征,及时掌握磨合的运行状态,对提高柴油机磨合质量、缩短磨合时间、降低磨合成本具有重要意义。

振动是柴油机在磨合过程中必然产生的现象,振动信号中包含了丰富的反映柴油机磨合状态的信息,对其采集和分析不影响柴油机的正常磨合。因此,通过振动可对柴油机磨合状态进行辨识。但振动信号具有高度的非线性和复杂性,如何准确提取其特征以对柴油机的磨合状态进行全面准确的评估一直成为长期探索的课题[1,2]。自 Mandelbrot 提出分形几何基本理论以来,分形几何已被广泛用于自然科学、社会科学和工程技术等各学科和技术领域[3,4]。许多学者从定量的角度,应用分形参数提取振动信号的特征[5,6],取得了一定的效果,但单重分形维数尚不能全面反映振动信号的特征。本文将多重分形理论引入到柴油机振动信号的特征提取和识别,分析振动信号多重分形谱参数在柴油机磨合过程中的变化规律,并通过多重分形谱参数对柴油机的磨合状态进行全面准确的评估。

1 多重分形谱算法

计算多重分形谱的方法一般有盒计数法、柱状图法、结构函数法和小波极大模法等。本文采用盒计数法计算多重分形谱,但该方法的缺点是计算量大,为此本文对其进行了改进,其算法如下:

将振动信号时间序列沿时间轴划分为许多尺寸为ε(ε<1)的一维小盒子,Si(ε)是盒子尺寸为ε时第i个小盒子内所有振动信号的幅值之和,全部振动信号幅值之和为∑Si(ε),则概率测度

Pi(ε)=Si(ε)/∑Si(ε) (1)

由此可获得振动信号在所讨论的分形结构上的1种Pi(ε)的分布。

在无标度区域内,Pi(ε)组成的集可划分成一系列子集,即按Pi(ε)的大小划分为满足下面的幂函数子集

Pi(ε)∝εα (2)

式中,指数α为奇异指数,反映分形体上各个尺寸ε下,物理量分布概率随ε变化的各个子集的性质,α愈大,子集的概率愈大。在分形曲线上α是有限的,即α∈MIN,αMAX。

若具有相同α标识的盒子数为N(ε),N(ε)在无标度区域内与ε也存在着标度关系

N(ε)∝ε-f(α) (ε→0) (3)

式中,f(α)为相同α值的子集的分形维数。由于α∈MIN,αMAX,故f(α)通常为光滑的单峰函数,称为多重分形谱。

对Pi(ε)用q次方进行加权求和,定义配分函数χq(ε)如下式:

χq(ε)≡∑Pi(ε)q (4)

式中,q为权重因子,当q>1时,Pi(ε)的高值对χq(ε)的贡献占优势;当q<1时, Pi(ε)的低值对χq(ε)的贡献占优势,因此χq(ε)给出了Pi(ε)的另一种分布形式。在无标度区域内χq(ε)存在如下的标度关系:

χq(ε)∝ετ(q) (5)

式中,τ(q)为质量指数,其数学表达式为

undefined

作为描述同一物理对象的3个标度指数α、f(α)和τ(q),它们之间的内在联系就是统计物理中的勒让德变换:

undefined

利用这种关系,通过程序测定并计算概率测度、配分函数和质量指数,便可得到分形结构的多重分形谱f(α)。

从式(7)可得到多重分形谱的3个重要参数:多重分形谱的宽度Δα=αmax-αmin、最大、最小概率子集分形维数的差别Δf=f(αmax)-f(αmin)和多重分形谱f(α)的最大值fmax。其中,Δα的大小描述了整个分形结构上概率测度分布的不均匀性程度,即可反映振动信号的波动程度;Δf描述了有关物理量所形成的子集中元素个数在最大、最小处的比例,当Δf>0时,概率最大子集数目小于概率最小子集数目,反之亦然,对振动信号则可反映其大、小峰值所占的比例;fmax是多重分形谱的最大高度,其值大小描述了具有相同概率的单元数随ε的变化速度,即可反映振动信号大、小峰值的变化速度。大、小峰值所占的比例和变化速度可以刻画振动的剧烈程度。因此,多重分形谱反映了整个分形结构上概率测度分布的比例、不均匀程度,亦能够全面地描述振动信号的波动程度及振动剧烈程度[7,8]。

在实际应用中,由于存在2个变量ε和q,多重分形谱的计算非常复杂,对于一般的集合通常无法获得解析解,只能用数值计算的方法间接进行估计。现实中存在的分形图形几乎都是无规则分形,计算的复杂性和计算方法的多样性使计算结果的可靠性较差。根据分形理论可知,undefined,因此,计算维数随ε减小是有界的,在计算多重分形谱时,可以采取简化算法,即ε取极小值,改变q值计算多重分形谱,但这种算法无法得到分形维数的准确计算结果,且ε的取值至关重要,根据大量的计算结果,本文取undefined其中,Δt为信号采样间隔,undefined为信号均值。

2 振动信号特征提取及分析

2.1 振动信号的采集

在台架上对某型6缸四冲程柴油机进行台架磨合试验,其磨合规范如表1所示。用PCB PIEZOTRONICS公司生产的灵敏度为9.40mV/g、 量程为±500g的8702B500型ICP加速度传感器,测取缸体侧面靠近1缸位置的振动信号,采样频率8192Hz,每次采集8192个点,分别采集柴油机不同磨合工况下磨合过程的振动信号,每一磨合工况下等时间间隔采集10次,使用比利时LMS公司生产的SCADAS Ⅲ型前端数据采集系统将来自加速度传感器的振动信号以数据文件形式存入计算机。

2.2 振动信号的降噪

柴油机机体振动是内部各种激励力共同作用的结果,这些激励源主要有燃气压力、活塞横向撞击、气门机构运动冲击等。研究表明,柴油机工作过程中,活塞的横向和摇摆运动对缸套产生冲击并引起缸套的振动,再传递到机体表面,对机体振动的影响最显著,它的变化会带来机体振动特性的明显变化。但由于柴油机磨合过程中各种激励的影响,由活塞对缸套冲击产生振动往往会被淹没。因此,必须对采集的振动信号进行降噪。本文采取3种降噪方法:(1)采用db20 小波进行默认阀值降噪;(2)对降噪后的信号进行自相关处理;(3)用db20 小波对自相关处理的信号进行分解,提取尺度3的高频系数,将其作为降噪后信号。图1为获取的原始和降噪后振动信号。由图1可见,降噪后信号比原始信号更能突出冲击载荷的作用。

2.3 振动信号的多重分形分析

取迭代阶数Δq=0.03,q取值范围为-90~90。计算表明,在此范围内可以保证α和f不再随|q|的增加而变化。计算每一磨合工况下振动信号的多重分形谱参数,图2为多重分形谱参数随磨合时间变化的关系曲线。

2.3.1 磨合工况1、2 的多重分形谱参数

工况1、2是柴油机磨合的开始,采用低速低负荷磨合。由图2可见,工况1、2的振动信号多重分形谱参数Δα和fmax均呈上升趋势,且Δf均大于0。根据振动信号多重分形谱参数物理意义可知,Δα的上升表明工况1、2振动信号振幅的波动程度随磨合过程的进行而增加。工况1与2比较,工况2的Δα变化平缓,其信号振幅的波动小。Δf>0表明工况1、2的振动信号大幅值占优,fmax的上升表明大幅值增加较快,因此,在工况1、2下磨合时,柴油机振动剧烈程度随磨合过程的进行而增加。工况1与2比较,工况2的fmax 变化平缓,柴油机振动剧烈程度小。工况1、2振动信号的变化与这一阶段柴油机磨合状态吻合。因为工况1是柴油机磨合的开始,摩擦副表面尚较粗糙,且低速会使磨合过程难以形成良好的润滑油膜,因此,磨合过程摩擦副表面磨损剧烈,表面状态变化大,柴油机的振动剧烈程度亦会随磨合过程的进行而增加,且波动较大;工况2虽然速度和载荷有所增加,但经过工况1的磨合后,摩擦副表面状态及润滑条件得以改善,表面磨损减小并趋于稳定,因此,柴油机的振动相对减弱。

2.3.2 磨合工况3、4、5的多重分形谱参数

工况3、4、5是柴油机磨合的初期,采用中高速中等负荷磨合。这一时期,柴油机摩擦副表面磨损剧烈,磨损不断增加,因此,其振动剧烈,信号振幅波动大。由图2可见,工况3、4、5的振动信号多重分形谱参数Δα和fmax 均明显呈上升趋势,且Δf均大于0。根据振动信号多重分形谱参数的物理意义,其变化表明,柴油机在工况3、4、5下磨合时,振动剧烈程度随磨合过程的进行而增加,并存在较大波动,与这一时期的实际磨合状态吻合。

2.3.3 磨合工况6、7、8的多重分形谱参数

工况6、7、8是柴油机磨合的中期,采用高速高负荷磨合。这一时期,柴油机摩擦副表面磨损剧烈程度下降,磨损减缓,因此,其振动存在一定的波动,并逐渐保持平稳。由图2可见,工况6、7、8的振动信号多重分形谱参数Δα虽存在波动,但经过一定磨合时间后曲线呈平稳的变化趋势,表明柴油机在工况6、7、8下磨合时,振动信号的波动随磨合过程的进行而逐渐稳定;Δf出现小于0的值,同时fmax的曲线虽存在波动,但经过一定磨合时间后曲线亦呈平稳的变化趋势;Δf和fmax的变化表明,在工况6、7、8下磨合时,柴油机的振动剧烈程度随磨合过程的进行出现下降趋势。振动信号多重分形谱参数的分析结果与这一时期柴油机实际磨合状态吻合。

2.3.4 磨合工况9的多重分形谱参数

工况9是柴油机磨合的后期,采用中速高负荷磨合。这一时期,柴油机磨合即将结束,摩擦副表面磨损逐渐减小,并保持稳定,因此,其振动强度减小,信号的波动程度下降,预示磨合过程的结束。由图2可见,工况9的振动信号多重分形谱参数Δα和fmax明显下降,磨合进行到7min后曲线开始平稳变化,Δf在磨合进行到6min后均小于0,多重分形谱参数的这种变化表明,柴油机在工况9磨合时,信号的波动程度和振动的剧烈程度随磨合过程的进行均下降,振动逐渐平稳,可预示柴油机磨合过程的结束。

3 结论

(1) 多重分形谱参数提取振动信号特征的新方法可对柴油机磨合状态进行较准确的评定。

(2) 多重分形谱参数能够定量表征振动信号的特征,敏感地反映柴油机磨合状态的变化。振动信号大、小峰值所占的比例及其增长速度,刻画了信号振动的剧烈程度。

摘要：为监测柴油机的磨合过程,提出利用多重分形谱参数表征柴油机振动信号特征的新方法。运用多重分形理论对柴油机磨合过程中缸体的振动信号进行分析,并计算振动信号的多重分形谱参数,探讨多重分形谱参数与柴油机磨合状态之间的内在联系。结果表明:多重分形谱参数能定量刻画振动信号的特征。随着柴油机磨合过程的进行,振动信号多重分形谱参数出现规律性的变化。不同阶段信号的多重分形谱参数呈现出递增或递减趋势,反映了柴油机磨合状态的变化过程。

关键词：内燃机,柴油机,磨合,多重分形谱参数,振动信号,评定

参考文献

[1]徐玉秀,原培新,杨文平.基于柯氏熵的汽车发动机状态预测的可行性研究[J].振动与冲击,2004,23(3):101-106.Xu Y X,Yuan P X,Yang W P.Study on condition predictionof automobile engine based on Kovmogolov entropy[J].Journalof Vibration and Shock,2004,23(3):101-106.

[2]孔庆鹏,宋开臣,陈鹰.发动机变速阶段振动信号时频分析阶比跟踪研究[J].振动工程学报,2005,18(4):448-452.Kong Q P,Song K C,Chen Y.Study of time-frequency ordertracking of vibration signals in engine speed changing stage[J].Journal of Vibration Engineering,2005,18(4):448-452.

[3]Zhu H,Ge S R,Huang X L.Experimental study on the char-acterization of worn surface topography with characteristicroughness parameter[J].Wear,2003,255(1-6):309-314.

[4]陈国安,葛世荣,张晓云.分形几何与摩擦学进展[J].润滑与密封,1999,54(5):69-71.Chen G A,Ge S R,Zhang X Y.Fractal geometry and the ad-vances in tribology[J].Lubrication Engineering,1999,54(5):69-71.

[5]刘春,张来斌,王朝晖,等.基于车用发动机振动信号的状态参数研究[J].润滑与密封,2005,168(2):35-37.Liu C,Zhang L B,Wang Z H,et al.Research on the conditionparameters of vehicle engine based on the vibration signals[J].Journal of Vibration Engineering,2005,168(2):35-37.

[6]何文阁,周景新.分形维数在发动机故障诊断中的具体应用[J].吉林化工学院学报,2005,22(4):84-86.He W G,Zhou J X.Application of fractal dimension in fault di-agnosis of motor[J].Journal of Jilin Institute of ChemicalTechnology,2005,22(4):84-86.

[7]Brown G,Michon G,Peyriere J.On the multifractal analysis[J].Journal of Stat Phys,1992,66(3/4):775-790.

状态信号 第5篇

在自动生产线上加工的机械零件,其制造过程质量优劣主要由工序质量保证,其手段是工序在线实时检测。工序在线检测目的是保证工序加工质量始终处于受控状态,并利用X—R控制图对工序质量实现事前预报、事中控制,把隐患消除在未然之中。

在对实测结果的分析判断中,时而会犯两类错误。一类是在生产正常的情况下,产品质量波动超出控制界限的概率是极小的(假设控制在0.3%范围内),但也存在纯属偶然的的外部作用下而使加工质量超出控制界限的情况发生。若据此判断为加工异常,而不考虑废品率的规定,则犯了虚发警报的错误。这种错误必然会带来自动结的频繁停工,降低了生产线的作业效率。我们称它为第一类错误;另一类是当自动线的生产过程已经发生了加工异常,若抽样得到的样本依然是属于合格品,则据此判断的结果必是生产过程正常,则便犯了漏发警报的错误。这种错误的判断必然会作出维持生产的决策,从而造成不良品增加,损失严重。我们称它为第二类错误。

无论哪类错误,都将对零件的加工质量与效率产生直接影响。为深入探摸两类错误产生的原因和有效防止误判的发生,对典型在线加工失控随机信号的重复性模拟分析与研究,就越来越显得十分必要。特别应该指出的是,如果能找到一种简便、快速的算法来构造典型的失控随机信号,对于在线检测,无论是检测精度和检测时间,效果一定是最佳的,实用价值明显。同时为深入探索失控随机信号的机理,需要分析的信号应具有可重复性。

1 重复性模拟随机信号产生机理

实践证明,当自动线生产过程处于稳定的正常状态时,即只有自然因素时,工序质量特性差异服从一定的概率分布。对于工序加工尺寸X的差异来说,一般服从正态分布。因此模拟模拟过程中,采用高斯白噪声作为模拟模拟信号,就能比较好地解决数据的吻合问题。

所谓高斯白噪声就是在计算机上利用程序产生的随机数服从X~N(0,1)正态分布规律的信号序列。图1是在MATLAB平台下由高斯算法产生的高斯白噪声曲线图。

由于高斯白噪声产生随机数,具有不可重复性,每执行一次程序,就产生一组完全独立的高斯白噪声信号。这样,无法进行重复性模拟过程。要求信号的重复、再现的实质是构造典型失控随机信号关键一步,目的是反复多次地对这个信号进行研究,最终得出一个理想的结果,应用于现场。通过大量的分析研究与实验选择,可以这样构造一个“确定性的随机数”,这个数就是混沌数。混沌数由混沌发生器产生。混沌发生器实际上就是一个专门用于构造一组模拟自动线加工零件尺寸数据序列的计算机程序模块。研究结果表明,由混沌数发生器产生的混沌数,可以满足动态模拟过程对信号基本要求,即①由混沌数发生器所产生的混沌数,近似遵从正态分布;②只要混沌数发生器给定的初值不变,这组混沌数可人为的进行控制,且重复再现;③使用混沌数可以方便地构造成软件动态监控过程所需的数据样本矩阵。

设对给定的n组样本,每组样本有m(m>1)个样本点,其值组成的矩阵为:

构造混沌数发生器实际上是在计算机上构造一个算法程序,其基本理论来源于混沌学。混沌是一个具有类似随机行为的非线性的确定性过程,是有序与无序的统一,确定性与随机性的统一。混沌的科学涵义不是简单的无序,它可能包含着丰富的内部结构。这种丰富的内部结构将给我们提供一种获取一组随机的、可重复再现的数据序列的算法,其中最为著名的有Logistic方程,

为了弄清Logistic方程的意义,设X0=0,改变μ值,看其变化。

(1)当0<μ<1.401155时,迭代无穷次后,Xn+1的结果有:一点周期、2P周期、4P周期,…,16P周期,…等周期性的变化。

(2)当μ>1.40115时,数据迅速达到了无穷大周期,即出现了随机性,达到混沌。可见,迭代所得的数据序列,就是混沌数,它既是随机的,也是确定的。

根据上述理论可知:Logistic方程中,只有当μ>1.40115时,将出现混沌状态。那么结果究竞如何,需要构造一个混沌数发生器,通过上机编程进行模型检验。

在这个混沌数发生器中,将控制参量μ与初值x0固定,执行两次相同的运算,然后将两次执行程序所产生的两组混沌数Q1和Q2,进行相应位减法运算,结果得到的一个新的混沌数值均为零。说明混沌数是可以重复的产生,且值不变,其矩阵为

检验结果表明:Logistic方程在控制参量与初值相同的情况下,混沌数相同。

2 自动线典型随机信号的创建

为了获取自动线典型随机信号,取x0=0.4,μ=1.4+0.0075 t(μ=f(t),t=步长),循环试验80次。搜索得到一个与高斯分布相类似的混沌数分布图,见图2。只不过这个分布是两头高,中间低。但这是构造混沌数所必须经过的重要一步。

为了用混沌的方法得到一个类高斯分布,需要对Logistic方程进行处理,将大于0的x值减1,小于0的加1,然后其值扩大五倍,就可得到类高斯曲线,见图3。用这个随机数的分布来代替自动栈的随机信号,与现场实际较为吻合,且具有重复性,这对于分析研究将是十分便利的,迈出了重要一步。

3 自动线典型失控随机信号的生成

对于自动线随机信号来说,我们最为关心的是自动线上零件机械加工失控状态,即捕捉自动线随机信号中的失控部分。为了应用混沌数对自动线加工质量控制过程进行模拟,需按X—R控制图的要求,生成一个混沌数矩阵。本例中,取工序尺寸公称值为50,采样分分别别为为20、100组组,,每每组组样样本本数数m=5。Logistic方方程程的的初初值值取取X0=0.4,,μ=2。生成的混沌数矩阵q和混沌数分布图,见图4。

生成自动线随机信号后,再生成X—R控制图。按着X—R控制图要求,需要对q矩阵进行两个运算。一是求各组均值X,二是求各组极差R。便于对照检验,本例在自动线的模拟随机信号中共取了三大组,见图5。下一步就是在图5的基础上抽取典型失控信号了。

通过大量的数据模拟与测试,根据X-R图失控状态判断法则,就可以在在自动线模拟随机信号中,检测生成自动线典型失控信号。几个典型的例子见图6中圆圈部分。

4 结论

运用混沌学理论设计的混沌数发生器,它所产生的混沌数在随机事件动态模拟中是一个具有非常特殊意义的模拟随机信号,它实现了信号的“确定性无序”,符合“本质的研究不能只进行一次”的观点。研究自动线典型失控随机信号的产生机理和内在本质的过程,要多次、重复、再现地进行。可见,在自动线随机信号序列中,构造检索典型自动线失控信号的算法,对于防止犯两类误判,保证加工质量、提高自动线的生产率,无疑将会起到重要作用,并为后续的研究奠定基础。

摘要：使用控制图对在线零件加工质量进行检测是一种十分经济的质量控制手段。但在随机抽样检验时也不可避免地要冒两类误判的风险。为减少此类误判事件的发生,对典型在线加工失控随机信号进行多次的重复模拟分析与研究就显得十分必要。用高斯白噪声模拟失控随机信号应该说是最接近现场实际情况的。但高斯白噪声产生的随机数序列不具备可重复性,这就给分析与研究工作带来不便。运用混沌学研究的成果,选取恰当的混沌数来构造自动线典型失控随机信号,就成为进行在线质量监控动态模拟过程中防止误判的关键。

关键词：自动线在线加工质量控制,典型失控随机信号,混沌数

参考文献

[1]沈向东编著.生产作业技术.北京:机械工业出版社,2009.

[2]吴祥兴,陈忠等编著.混沌学导论.上海:上海科学技术文献出版社,1996.

[3]王世香编著.MATLAB接口与编程.北京:电子工业出版社,2007.

[4]汪应洛主编.工业工程手册.沈阳:东北大学出版社,1999.

[5]蒋贵善,俞明南主编.生产管理与质量工程.北京:机械工业出版社,2000.